目的：探讨CT影像组学模型在早期胃癌和胃间质瘤(GST)鉴别中的应用价值，提高临床中的诊断准确率。方法：回顾性分析2019年1月—2022年12月于江苏大学附属人民医院经手术病理证实的早期胃癌和GST患者共181例的上腹部静脉期CT影像资料，拆分成测试组95例和验证组86例。在静脉期病灶最大层面勾画感兴趣区(ROI)并提取影像特征；利用最小绝对收缩和选择算子(LASSO)回归，以最小标准10倍交叉验证法选择调整参数λ，筛选出两者最相关的特征参数。使用决策树、逻辑回归、随机森林和支持向量机4种机器学习算法，对影像组学标签构建预测模型。结果：构建的影像组学模型中，逻辑回归模型的预测效能最好，在测试组和验证组的曲线下面积(AUC)分别为0.888、0.809。结论：影像组学诺模图具有很好的模型适应性和临床实用性，有利于早期胃癌和GST的诊断鉴别。